被京东刷了kpi

最近又开始密集面试实习生了（没办法，大家都干三个月就走了😭），每隔两三个月就得重新招人，我也很无奈（知道你们找工作不容易，都在刷实习经历🤭）今天上午一口气看了十多份AI面试的视频截图，发现了一些大家普遍会踩的坑。正好从面试官的角度，给uu们拆解一下（通用版）。面试前，建议你先认真问自己几个问题：1. 你真的那么了解自己（和你的简历）吗？很多同学在回答问题时，会频繁出现“嗯…啊…呃…”这类语气词，说话像挤牙膏，还常有长时间停顿。这容易让面试官觉得：要么你对经历不熟，要么表达能力有欠缺。其实简历上的每一段经历，你都应该能流畅讲出做了什么、学到了什么、遇到了什么困难、怎么解决的——别等到被问倒才...

跟一块实习的同事吃饭时，他们和我说："咱们公司之前有一个北大的，不知道什么专业转来了学cpp。" 说北大哥的记忆力出奇的好，市面上的八股他都倒背如流，再加上学历buff加成，来到了我们公司。入职之后直接“原形毕露”，同事和我说“让他配一个最基本的环境也不会，面试时滔滔不绝讲个不停，结果基本的语法也写不会”，而且还说他很懒很摆烂，学习态度也不好，所以在公司呆了每一个月就被炒鱿鱼了。

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...